Indexed by：
Abstract：
针对电力负荷非线性、预测条件多样性、预测模型参数设置主观性等问题,提出一种基于强适应性的日均负荷日期映射法、高非线性拟合性能的门控循环单元(Gate Recurrent Unit,GRU)和强搜索性能的改进麻雀搜索算法(Improved Sparrow Search Algorithm,ISSA)相结合的ISSA-GRU(ISGU)混合模型进行短期电力负荷预测(Short-term Load Forecasting,STLF).首先,利用日均负荷日期映射法对星期-节假日因素进行映射,解决该因素因非数字化导致不易输入预测网络的问题.随后,从诸多相关因素中筛选出高度相关特征值,以此解决预测条件多样性问题.最后,构建GRU网络进行负荷预测,并引入ISSA算法对GRU网络参数进行客观配置.为验证ISGU混合模型的有效性,采用新加坡电力负荷数据进行实验,并将实验结果与现有算法进行比较.实验结果表明,所提方法对STLF具有良好性能,有效提高了STLF统计标准的精度指标.
Keyword：
Reprint 's Address：
Email：
Source ：
电力系统保护与控制
ISSN： 1674-3415
Year： 2022
Issue： 15
Volume： 50
Page： 72-80
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 2
Affiliated Colleges：
